基于热红外遥感数据的土壤含水率实时监测系统及方法技术方案

本发明专利技术提供一种基于热红外遥感数据的土壤含水率实时监测系统及方法，属于土壤含水率监测技术领域；所要解决的技术问题为：提供一种基于热红外遥感数据的土壤含水率实时监测方法及监测系统硬件结构的改进；解决该技术问题采用的技术方案为：控制搭载有热红外遥感模块的无人机，全天候不间断采集待测区域地表热红外辐射图像数据；根据采集到的热红外辐射图像确定热红外辐射灰度值，采用普朗克黑体算法计算通道黑体辐射数值，基于回归多项式反函数计算得到待测区域地表裸土的亮度温度数值；实地采集待测区域离散土壤含水率数据，采集时间与无人机采集的热红外数据同步，并将采集数据分为实验数据集和验证数据集；本发明专利技术应用于土壤含水率监测。壤含水率监测。壤含水率监测。

【技术实现步骤摘要】
基于热红外遥感数据的土壤含水率实时监测系统及方法


[0001]本专利技术提供一种基于热红外遥感数据的土壤含水率实时监测系统及方法，属于土壤含水率监测


技术介绍

[0002]土壤含水率对农情监测、生态恢复、滑坡预警等发挥着重要作用，目前采用的传统监测方法已经无法满足用于制作大面积、高精度、数据连续的土壤水分产品的应用需求。
[0003]目前采用的遥感监测技术具有快速获取、大面积、实时等优点，为预测大面积土壤水分时空信息、实时监测土壤水分动态变化提供了便利条件；在卫星遥感方面，多个卫星同一天的亮度温度观测值联合估计土壤湿度，平均每个卫星的土壤湿度反演得到复合的日土壤水分产品，空间分辨率为25km
×
25km，分辨精度较低；而采用基于多时相合成孔径雷达数据，估算裸地土壤水分含量，时间分辨率长达1个月，因此卫星遥感数据受到低空间分辨率和低时间分辨率的限制，在监测裸土土壤含水率的实时性和精度很难有良好的提升。
[0004]另外采用的GPS卫星信号信噪比土壤湿度反演效果良好，实验数据处理结果与理论相符，但探测过程受地表粗糙度以及植被覆盖影响，在反演裸土土壤水分的模型中，数据的有效性不能得到很好地保障。
[0005]随着机载遥感的发展，无人机传感器类型多样化，无人机遥感已成为一种新兴遥感应用平台，可以缓解高空间分辨率和高时间分辨率的矛盾，在低成本的基础上实现了空间和时间的统一，但目前尚无利用无人机热红外遥感数据直接获取地表亮度温度，以监测土壤裸土含水率的方法和途径。
专利
技术实现思路

[0006]本专利技术为了克服现有技术中存在的不足，所要解决的技术问题为：提供一种基于热红外遥感数据的土壤含水率实时监测方法及监测系统硬件结构的改进。
[0007]为了解决上述技术问题，本专利技术采用的技术方案为：基于热红外遥感数据的土壤含水率实时监测系统，包括监测无人机和监测上位机，所述监测无人机包括机身机架，在机身机架的端部等距设置有多台动力电机，所述动力电机的驱动端安装有快拆桨，所述机身机架的两侧还设置有差分天线和U
‑
BLOX天线，在机身机架的中部安装有控制器，所述控制器的底部可拆卸的设置有热红外遥感模块，在控制器内部还设置有毫米波雷达和电池；所述控制器通过导线分别与动力电机、差分天线、热红外遥感模块、毫米波雷达相连；所述控制器的电源输入端与电池相连；所述差分天线通过无线网络与监测上位机无线连接。
[0008]基于热红外遥感数据的土壤含水率实时监测方法，包括如下监测步骤：步骤一：控制搭载有热红外遥感模块的无人机，全天候不间断采集待测区域地表热红外辐射图像数据；
步骤二：根据采集到的热红外辐射图像确定热红外辐射灰度值，采用普朗克黑体算法计算通道黑体辐射数值，计算公式为：；式中：为光谱辐射度，单位为；为第一辐射常数，值为；为第二辐射常数，值为；T为热力学温度，单位为K；通过二次多项式回归黑体辐射和热红外辐射灰度值，四次多项式回归开普勒黑体，基于回归多项式反函数计算得到待测区域地表裸土的亮度温度数值；步骤三：实地采集待测区域离散土壤含水率数据，确定具体的采样区及采样点位置，规律性、分时段地采集离散点状裸土土壤含水率数据，采集时间与无人机采集的热红外数据同步，并将采集数据分为实验数据集和验证数据集；步骤四：基于无人机采集的地表裸土亮度温度数据，相对应的实地采集土壤含水率实验数据集，建立一天内不同时间段地表裸土亮度温度反演裸土土壤含水率的线性模型关系；步骤五：基于实地采集的土壤含水率数据来验证数据集反演线性模型的精度：通过均方根误差RMSE值和相对分析误差RPD值来综合评价模型的反演精度，定义得到的RMSE值越小，模型的预测精度越高，所述均方根误差RMSE值和相对分析误差RPD值的计算公式如下：；；式中，为土壤含水率模型预测值，为土壤含水率实测值，为土壤含水率验证数据集标准偏差，为土壤含水率模型的均方根误差；步骤六：基于预测的模型精度确定应用模型，在区域尺度上的不同时间段内，将待测区域离散的实测土壤含水率数据和区域连续的无人机热红外地表裸土亮度温度建立线性模型，对裸土土壤含水率进行面状、连续监测。
[0009]所述步骤四建立线性模型关系的具体方法为：通过可决系数R
²
，拟合模型整体的方差分析水平F、方差检验的显著性概率P，判断所建模型的相关程度以及显著性，当可决系数R
²
越接近于1，方差分析水平F值越大，显著性概率P值越接近于0，表示建模显著性越高，拟合程度越好。
[0010]所述步骤五中通过相对分析误差RPD值来评价模型反演精度的具体方法为：当RPD值在2.5以上时，表明模型具有极好的预测能力；当RPD值在2.0和2.5之间，表明模型具有很好的定量预测能力；当RPD值在1.4和2.0之间时，表明模型具有一般的定量预测能力；当RPD值在1.0和1.4之间时，表明模型具有区别高值和低值的能力；当RPD值小于1.0 时，表明模型不具备预测能力。
[0011]本专利技术相对于现有技术具备以下的有益效果：一、在探究裸土土壤含水率监测方面的研究中，传统土壤含水率监测方法为实地布点采点监测，消耗人力物力财力，不能实现数据连续、范围广、高精度的监测；本专利技术采用的无人机在空中飞行速度快，短时间完成研究数据采集，以低成本的手段获取连续地表温度，外业工作量大幅度减少，实现连续大范围地表裸土含水率监测。
[0012]二、卫星遥感数据监测土壤含水率总存在很多干扰因素，例如天空云层的遮挡、上方植被的覆盖、大气折射的影响等；而本专利技术利用无人机热红外影像数据，直接精确获取地表裸土亮度温度，利用地表亮度温度单一因素反演土壤含水率，避免天气影响以及地表条件限制，从而提高成果精度。
[0013]三、卫星遥感影像存在低空间分辨率、低时间分辨率的限制；本专利技术采用的无人机遥感在区域信息精细化上具有超高分辨率、高频次获取、实时观测等特点，可以与卫星遥感能力形成互补，缓解了高空间分辨率和高时间分辨率的矛盾，在低成本的基础上实现了空间和时间的统一，在监测裸土土壤含水率的研究中完美提高了监测精度。
附图说明
[0014]下面结合附图对本专利技术做进一步说明：图1为本专利技术土壤含水率实时监测方法的步骤流程图；图2为本专利技术线性回归模型中的参数关系示意图；图3为本专利技术监测系统的结构示意图。
具体实施方式
[0015]如图1所示，本专利技术基于无人机遥感平台，基于热红外影像获取地表裸土亮度温度，建立区域连续地表亮度温度和实测离散土壤含水率之间的数学模型关系，借助地表亮度温度和模型关系实现含水率的连续、面状监测；在数据获取方面，通过改善遥感影像的分辨率，将空间分辨率精度提高到厘米级，时间分辨率精度达到分钟级，缓解高空间分辨率和高时间分辨率的矛盾，实现土壤含水率高精度监测；本专利技术对研究区域的准确化和精细化改进，避免植被覆盖对监测裸土土壤含水率的影响，在数据获取方面实现了高频次获取和实时观测，提高了含水率监测精度。
[0016]本专利技术通过无人机热红外影像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于热红外遥感数据的土壤含水率实时监测系统，其特征在于：包括监测无人机和监测上位机，所述监测无人机包括机身机架，在机身机架的端部等距设置有多台动力电机，所述动力电机的驱动端安装有快拆桨，所述机身机架的两侧还设置有差分天线和U
‑
BLOX天线，在机身机架的中部安装有控制器，所述控制器的底部可拆卸的设置有热红外遥感模块，在控制器内部还设置有毫米波雷达和电池；所述控制器通过导线分别与动力电机、差分天线、热红外遥感模块、毫米波雷达相连；所述控制器的电源输入端与电池相连；所述差分天线通过无线网络与监测上位机无线连接。2.基于热红外遥感数据的土壤含水率实时监测方法，其特征在于：包括如下监测步骤：步骤一：控制搭载有热红外遥感模块的无人机，全天候不间断采集待测区域地表热红外辐射图像数据；步骤二：根据采集到的热红外辐射图像确定热红外辐射灰度值，采用普朗克黑体算法计算通道黑体辐射数值，计算公式为：；式中：为光谱辐射度，单位为；为第一辐射常数，值为；为第二辐射常数，值为；T为热力学温度，单位为K；通过二次多项式回归黑体辐射和热红外辐射灰度值，四次多项式回归开普勒黑体，基于回归多项式反函数计算得到待测区域地表裸土的亮度温度数值；步骤三：实地采集待测区域离散土壤含水率数据，确定具体的采样区及采样点位置，规律性、分时段地采集离散点状裸土土壤含水率数据，采集时间与无人机采集的热红外数据同步，并将采集数据分为实验数据集和验证数据集；步骤四：基于无人机采集的地表裸土亮度温度数据，相对应的实地采集土壤含水率实验数据集，建立一天内不同时间段地表裸土亮度温度反演裸土土壤含水率的线性模型关系；步骤五：基...

【专利技术属性】
技术研发人员：廉旭刚，高玉荣，蔡音飞，胡海峰，常江，张海浪，肖武，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：